YouTube發(fā)展迅速，每天超過1億的視頻點擊量，但只有很少人在維護站點和確保伸縮性。這點和PlentyOfFish類似，少數(shù)人維護龐大系統(tǒng)。是什么原因呢？放心絕對不是靠人品，也不是靠寂寞，下面就來看看YouTube的整體技術架構吧。

平臺
    
Apache
Python
Linux(SuSe)
MySQL
psyco，一個動態(tài)的Python到C的編譯器
lighttpd代替Apache做視頻查看/strong>

狀態(tài)

支持每天超過1億的視頻點擊量
成立于2005年2月
于2006年3月達到每天3千萬的視頻點擊量
于2006年7月達到每天1億的視頻點擊量
2個系統(tǒng)管理員，2個伸縮性軟件架構師
2個軟件開發(fā)工程師，2個網(wǎng)絡工程師，1個DBA/strong>

Web服務器

1，NetScaler用于負載均衡和靜態(tài)內容緩存
2，使用mod_fast_cgi運行Apache
3，使用一個Python應用服務器來處理請求的路由
4，應用服務器與多個數(shù)據(jù)庫和其他信息源交互來獲取數(shù)據(jù)和格式化html頁面
5，一般可以通過添加更多的機器來在Web層提高伸縮性
6，Python的Web層代碼通常不是性能瓶頸，大部分時間阻塞在RPC
7，Python允許快速而靈活的開發(fā)和部署
8，通常每個頁面服務少于100毫秒的時間
9，使用psyco(一個類似于JIT編譯器的動態(tài)的Python到C的編譯器)來優(yōu)化內部循環(huán)
10，對于像加密等密集型CPU活動，使用C擴展
11，對于一些開銷昂貴的塊使用預先生成并緩存的html
12，數(shù)據(jù)庫里使用行級緩存
13，緩存完整的Python對象
14，有些數(shù)據(jù)被計算出來并發(fā)送給各個程序，所以這些值緩存在本地內存中。這是個使用不當?shù)牟呗浴?/p>

應用服務器里最快的緩存將預先計算的值發(fā)送給所有服務器也花不了多少時間。只需弄一個代理來監(jiān)聽更改，預計算，然后發(fā)送。

視頻服務

1，花費包括帶寬，硬件和能源消耗
2，每個視頻由一個迷你集群來host，每個視頻被超過一臺機器持有
3，使用一個集群意味著：
   -更多的硬盤來持有內容意味著更快的速度
   -failover。如果一臺機器出故障了，另外的機器可以繼續(xù)服務
   -在線備份
4，使用lighttpd作為Web服務器來提供視頻服務：
   -Apache開銷太大
   -使用epoll來等待多個fds
   -從單進程配置轉變?yōu)槎噙M程配置來處理更多的連接
5，大部分流行的內容移到CDN：
  -CDN在多個地方備份內容，這樣內容離用戶更近的機會就會更高
  -CDN機器經(jīng)常內存不足，因為內容太流行以致很少有內容進出內存的顛簸
6，不太流行的內容(每天1-20瀏覽次數(shù))在許多colo站點使用YouTube服務器
  -長尾效應。一個視頻可以有多個播放，但是許多視頻正在播放。隨機硬盤塊被訪問
  -在這種情況下緩存不會很好，所以花錢在更多的緩存上可能沒太大意義。
  -調節(jié)RAID控制并注意其他低級問題
  -調節(jié)每臺機器上的內存，不要太多也不要太少 /strong>

視頻服務關鍵點
    
1，保持簡單和廉價
2，保持簡單網(wǎng)絡路徑，在內容和用戶間不要有太多設備
3，使用常用硬件，昂貴的硬件很難找到幫助文檔
4，使用簡單而常見的工具，使用構建在Linux里或之上的大部分工具
5，很好的處理隨機查找(SATA，tweaks)

縮略圖服務

1，做到高效令人驚奇的難
2，每個視頻大概4張縮略圖，所以縮略圖比視頻多很多
3，縮略圖僅僅host在幾個機器上
4，持有一些小東西所遇到的問題：
   -OS級別的大量的硬盤查找和inode和頁面緩存問題
   -單目錄文件限制，特別是Ext3，后來移到多分層的結構。內核2.6的最近改進可能讓 Ext3允許大目錄，但在一個文件系統(tǒng)里存儲大量文件不是個好主意
   -每秒大量的請求，因為Web頁面可能在頁面上顯示60個縮略圖
   -在這種高負載下Apache表現(xiàn)的非常糟糕
   -在Apache前端使用squid，這種方式工作了一段時間，但是由于負載繼續(xù)增加而以失敗告終。它讓每秒300個請求變?yōu)?0個
   -嘗試使用lighttpd但是由于使用單線程它陷于困境。遇到多進程的問題，因為它們各自保持自己單獨的緩存
   -如此多的圖片以致一臺新機器只能接管24小時
   -重啟機器需要6-10小時來緩存
5，為了解決所有這些問題YouTube開始使用Google的BigTable，一個分布式數(shù)據(jù)存儲：
   -避免小文件問題，因為它將文件收集到一起
   -快，錯誤容忍
   -更低的延遲，因為它使用分布式多級緩存，該緩存與多個不同collocation站點工作
   -更多信息參考Google Architecture，GoogleTalk Architecture和BigTable

數(shù)據(jù)庫
    
1，早期
   -使用MySQL來存儲元數(shù)據(jù)，如用戶，tags和描述
   -使用一整個10硬盤的RAID 10來存儲數(shù)據(jù)
   -依賴于信用卡所以YouTube租用硬件
   -YouTube經(jīng)過一個常見的革命：單服務器，然后單master和多read slaves，然后數(shù)據(jù)庫分區(qū)，然后sharding方式
   -痛苦與備份延遲。master數(shù)據(jù)庫是多線程的并且運行在一個大機器上所以它可以處理許多工作，slaves是單線程的并且通常運行在小一些的服務器上并且備份是異步的，所以slaves會遠遠落后于master
   -更新引起緩存失效，硬盤的慢I/O導致慢備份
   -使用備份架構需要花費大量的money來獲得增加的寫性能
   -YouTube的一個解決方案是通過把數(shù)據(jù)分成兩個集群來將傳輸分出優(yōu)先次序：一個視頻查看池和一個一般的集群
2，后期
   -數(shù)據(jù)庫分區(qū)
   -分成shards，不同的用戶指定到不同的shards
   -擴散讀寫
   -更好的緩存位置意味著更少的IO
   -導致硬件減少30%
   -備份延遲降低到0
   -現(xiàn)在可以任意提升數(shù)據(jù)庫的伸縮性

數(shù)據(jù)中心策略

1，依賴于信用卡，所以最初只能使用受管主機提供商
2，受管主機提供商不能提供伸縮性，不能控制硬件或使用良好的網(wǎng)絡協(xié)議
3，YouTube改為使用colocation arrangement。現(xiàn)在YouTube可以自定義所有東西并且協(xié)定自己的契約
4，使用5到6個數(shù)據(jù)中心加CDN
5，視頻來自任意的數(shù)據(jù)中心，不是最近的匹配或其他什么。如果一個視頻足夠流行則移到CDN
6，依賴于視頻帶寬而不是真正的延遲?？梢詠碜匀魏蝐olo
7，圖片延遲很嚴重，特別是當一個頁面有60張圖片時
8，使用BigTable將圖片備份到不同的數(shù)據(jù)中心，代碼查看誰是最近的

關于擴展性的思考
以下雖然都不是什么新思想，但希望對你有所助益。
分而治之是擴展性技術的靈魂?？紤]以層次化的方式完成所有的工作。這也是數(shù)據(jù)分片的癥結所在。要知道如何將數(shù)據(jù)分區(qū)，以及如何將已分區(qū)的數(shù)據(jù)進行關聯(lián)?？偠灾?，保持簡單與松散的耦合非常必要。
充分利用Python的動態(tài)特性，構建易于擴展的軟件架構。
近似的正確性。要相信監(jiān)控系統(tǒng)所報告的系統(tǒng)運行狀態(tài)。如果問題沒有出現(xiàn)，就認為一切良好。
不一致的數(shù)據(jù)模型。例如，閱讀評論的人和寫評論的人對你刷新頁面的動作會有不同的反應，但也不必完全基于事務處理進行系統(tǒng)設計，這會顯得矯枉過正。我們依然需要不一致的數(shù)據(jù)模型。
分布式系統(tǒng)的隨機性。分布式系統(tǒng)就如同氣象系統(tǒng)一樣，對分布式系統(tǒng)進行調試會存在更多的隨機性。例如，緩存過期。一般情況下，服務器會將流行的視頻緩存24小時。如果一旦出現(xiàn)緩存同時過期的情況，服務器將同時開始緩存，荷載如聞驚雷！
最快的函數(shù)調用就是不做任何調用。合理設計事務處理發(fā)生的間隔和次數(shù)。
仔細觀察API，并做到心中有數(shù)。如何定義輸入、輸出？所有的函數(shù)調用本質上都是圍繞數(shù)據(jù)發(fā)生的，那在函數(shù)調用之后，又會發(fā)生什么？
在Python中運用RPC重定向。程序員是代碼的構建者，因此要做好約定。如果代碼不幸失敗了，還可以從RPC輸出中追查原因。
沒有完美的組件。一個組件的運行周期可能持續(xù)1-6個月，具體多久，誰也說不清。隨著時間的推移，我們會用Python和C重寫一些東西，這證明你正在淘汰舊的組件，當你觀察到一個新組件出現(xiàn)的時候，它誕生了。
沒有人了解整個系統(tǒng)的運作機制。因此，我們需要定義組件。視頻轉碼和視頻搜索截然不同，建立良好的數(shù)據(jù)規(guī)范非常重要。
效率與擴展性并重。最有效率的是用C實現(xiàn)進程，但這樣的方式缺乏擴展性。
著眼于宏觀層面、組件及其失敗的原因。使用RPC是否明智？內聯(lián)如何？進行分解研究，也許會發(fā)現(xiàn)不同之處。
重視算法。與其絞盡腦汁用Python來實現(xiàn)高效的算法，不如用它做些更有實用價值的事。在這方面，C語言有它的優(yōu)勢。
我們很少從事面向對象設計。我們使用了大量的名稱空間，使用類來組織數(shù)據(jù)，但極少面向對象。
我樂意用下面的詞匯來形容我們的代碼樹：簡單、實用、優(yōu)雅、正交、可組合，這是我們的追求。

總結
YouTube解決問題的哲學只有一個詞：簡單。許多YouTube的產品最初只是源于一個簡單的Python腳本。這正是應了我們的一句老話，不積跬步，無以至千里；不積小流，無以成江海。